目的本研究通過對(duì)遼寧省甲肝數(shù)據(jù)進(jìn)行描述性分析和統(tǒng)計(jì),了解遼寧省甲肝發(fā)病趨勢(shì)及流行特征,利用遼寧省非沿海地區(qū)甲肝發(fā)病數(shù)據(jù)建立差分自回歸移動(dòng)平均模型(ARIMA模型)、反向傳播神經(jīng)網(wǎng)絡(luò)模型(BPNN模型)、差分自回歸移動(dòng)平均-反向傳播神經(jīng)網(wǎng)絡(luò)組合模型(ARIMA-BPNN組合模型),對(duì)比預(yù)測(cè)效果,選擇最優(yōu)預(yù)測(cè)模型,探討疾病流行規(guī)律,實(shí)現(xiàn)甲肝暴發(fā)和流行的早期預(yù)警,為甲肝防控提供科學(xué)依據(jù)。方法通過查詢中國疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)得到2004—2016年遼寧省及各市甲肝月發(fā)病數(shù)據(jù),由遼寧省統(tǒng)計(jì)年鑒獲得人口數(shù)據(jù),月發(fā)病率=月發(fā)病數(shù)/當(dāng)年人口數(shù)X105。采用描述性分析方法對(duì)數(shù)據(jù)進(jìn)行分析,描述遼寧省甲肝發(fā)病的流行強(qiáng)度、時(shí)間、地區(qū)、年齡、職業(yè)等流行病學(xué)特征。通過2004—2015年遼寧省非沿海地區(qū)甲肝月發(fā)病率數(shù)據(jù)建立ARIMA模型、BPNN模型及ARIMA-BPNN組合模型,對(duì)2016年甲肝發(fā)病進(jìn)行預(yù)測(cè),根據(jù)2016年各模型預(yù)測(cè)值與實(shí)際值之間的均方誤差(MSE)和平均相對(duì)誤差(MAPE)2個(gè)預(yù)測(cè)精度指標(biāo)評(píng)價(jià)預(yù)測(cè)效果,精度指標(biāo)越小,預(yù)測(cè)效果越好,得到最優(yōu)預(yù)測(cè)模型。結(jié)果(1)通過2004—2016年遼寧省甲肝流行特征分析表明,遼寧省甲肝發(fā)病呈先下降后上升趨勢(shì),高發(fā)時(shí)間為每年的2～4月份左右。高危地區(qū)出現(xiàn)在遼寧省沿海地區(qū)。發(fā)病人群中所有年齡組男性的發(fā)病人數(shù)均多于女性,年齡集中在25～39歲年齡段。農(nóng)民仍然是主要發(fā)病職業(yè),家務(wù)及待業(yè)比例上升。(2)本研究以遼寧省非沿海地區(qū)甲肝月發(fā)病率為擬合對(duì)象,分別建立ARIMA模型、BPNN模型及ARIMA-BPNN組合模型,建立的ARIMA模型各參數(shù)為p=1,d=1,q=1,P=0,D=1,Q=1,S=12,模型為 ARIMA(1,1,1)(0,1,1)12,預(yù)測(cè) 2016年發(fā)病率,得到MSE為0.0060、MAPE為0.4485;BPNN模型通過反復(fù)嘗試確定網(wǎng)絡(luò)結(jié)構(gòu)為3-10-1,即網(wǎng)絡(luò)輸入是用過去3年歷史同期發(fā)病率數(shù)據(jù),網(wǎng)絡(luò)輸出是下1年同期發(fā)病率,隱含層神經(jīng)元數(shù)為10,預(yù)測(cè)2016年發(fā)病率,得到MSE為0.0109、MAPE為0.3523;組合模型是將ARIMA模型預(yù)測(cè)值作為BPNN模型的網(wǎng)絡(luò)輸入,實(shí)際值為網(wǎng)絡(luò)輸出,通過不斷嘗試所構(gòu)建,預(yù)測(cè)2016年發(fā)病率,得到MSE為0.0061、MAPE為0.4518;通過預(yù)測(cè)精度比較,最終選取ARIMA模型為最優(yōu)預(yù)測(cè)模型。結(jié)論(1)遼寧省甲肝發(fā)病仍以沿海地區(qū)為主,青壯年發(fā)病居多,應(yīng)在繼續(xù)做好甲肝常規(guī)免疫的同時(shí),有針對(duì)性的開展甲肝免疫策略研究對(duì)防控甲肝具有重要意義。(2)本研究擬合的非沿海地區(qū)甲肝預(yù)測(cè)模型中,實(shí)際值在ARIMA(1,1,1)(0,1,1)12模型的預(yù)測(cè)范圍內(nèi),可以采用ARIMA(1,1,1)(0,1,1)12模型對(duì)未來遼寧省非沿海的甲肝發(fā)病率進(jìn)行預(yù)測(cè),為應(yīng)對(duì)甲肝疫情提供支持工具。
【學(xué)位單位】：沈陽醫(yī)學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R181.3;R512.61
【部分圖文】：

５．７５／１０萬、１．７９／１０萬，發(fā)病率較免疫規(guī)劃前分別下降了?２７．１２％和５６．７６％，沿海??市甲肝高發(fā)的現(xiàn)象仍然存在，但較免疫規(guī)劃前沿海高發(fā)的現(xiàn)象相比己不明顯。見??表２、圖２、圖３。??表２?２００４—２０１６年遼寧省沿海市與非沿海市甲肝發(fā)病率??人口數(shù)?發(fā)病數(shù)?發(fā)病率（１／１０萬）??非沿海?３２２?１８９?９３２?８?０３１?２．４９??沿海?２３９?１０５?８１７?１５?２９５?６．４０??不詳市?－?５?－??１５??

５．７５／１０萬、１．７９／１０萬，發(fā)病率較免疫規(guī)劃前分別下降了?２７．１２％和５６．７６％，沿海??市甲肝高發(fā)的現(xiàn)象仍然存在，但較免疫規(guī)劃前沿海高發(fā)的現(xiàn)象相比己不明顯。見??表２、圖２、圖３。??表２?２００４—２０１６年遼寧省沿海市與非沿海市甲肝發(fā)病率??人口數(shù)?發(fā)病數(shù)?發(fā)病率（１／１０萬）??非沿海?３２２?１８９?９３２?８?０３１?２．４９??沿海?２３９?１０５?８１７?１５?２９５?６．４０??不詳市?－?５?－??１５??

年免疫規(guī)劃前，夏季流行高峰不明顯，２００８—２０１６年免疫規(guī)劃后，發(fā)病呈現(xiàn)明顯??的春季高峰和夏季小高峰現(xiàn)象，免疫規(guī)劃前后，各月發(fā)病數(shù)差異有統(tǒng)計(jì)學(xué)意義??Ｏｒ’＝３１３．３２，尸＜０．００１）。見表３、圖４。??１６??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳盛恩;周義生;張艷霞;廖征;文海蓉;彭時(shí)輝;鄧志強(qiáng);;免疫接種對(duì)南昌市甲型肝炎流行病學(xué)特征影響[J];現(xiàn)代預(yù)防醫(yī)學(xué);2017年12期

2 謝劭峰;佘娣;王新橋;;變形預(yù)測(cè)的一種最優(yōu)線性組合模型[J];人民黃河;2017年06期

3 梁紀(jì)偉;姜法春;韓雅琳;薛愛麗;宋鑫;;應(yīng)用ARIMA乘積季節(jié)模型預(yù)測(cè)青島市甲肝發(fā)病[J];中國公共衛(wèi)生管理;2016年06期

4 王慎玉;甘正凱;鄧璇;周洋;何寒青;呂華坤;;浙江省甲型病毒性肝炎流行病學(xué)特征分析[J];預(yù)防醫(yī)學(xué);2016年12期

5 許春杰;尹素鳳;郭春月;宋瑞瑞;汪可可;肖孟迎;張秀峰;劉曉宇;范紅敏;馮福民;胡泊;;基于ARIMA-ERNN組合模型預(yù)測(cè)我國甲肝發(fā)病率[J];鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2016年06期

6 陶長余;陳郁;章士軍;;時(shí)間序列分析在甲型肝炎疫情預(yù)測(cè)中的應(yīng)用[J];醫(yī)學(xué)動(dòng)物防制;2016年10期

7 王永斌;許春杰;尹素鳳;武建輝;柴峰;李向文;袁聚祥;;中國手足口病發(fā)病率ARIMA、RBF及ARIMA-RBF組合模型擬合及預(yù)測(cè)效果比較[J];中國公共衛(wèi)生;2017年05期

8 阮俊;王玥;郁婷燕;戚凱莉;陳冠軍;丁勇;吳靜;;狀態(tài)空間模型在我國肝炎發(fā)病率預(yù)測(cè)中的應(yīng)用[J];南京醫(yī)科大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年03期

9 李海霞;李軍;史魯斌;姬艷芳;;2013—2014年河南省甲型病毒性肝炎疫情分析[J];中國校醫(yī);2015年12期

10 王永斌;鄭瑤;柴峰;李向文;田珍榛;袁聚祥;;基于周期分解的ARIMA模型在甲肝發(fā)病率預(yù)測(cè)中的應(yīng)用[J];現(xiàn)代預(yù)防醫(yī)學(xué);2015年23期

相關(guān)碩士學(xué)位論文 前5條

1 馮冰玉;基于灰色理論與智能算法的鐵路客運(yùn)量預(yù)測(cè)組合模型研究[D];蘭州交通大學(xué);2016年

2 田德紅;中國布魯氏桿菌病流行趨勢(shì)及時(shí)間序列模型預(yù)測(cè)研究[D];蘭州大學(xué);2016年

3 顏康康;多種模型在梅毒月發(fā)病率預(yù)測(cè)中的比較研究[D];吉林大學(xué);2015年

4 任茹香;基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用[D];浙江大學(xué);2011年

5 楊春波;基于灰色模型與人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)組合預(yù)測(cè)模型及其應(yīng)用研究[D];山東師范大學(xué);2009年

本文編號(hào)：2871620